生物识别系统已经成为了一个广泛的研究领域，现在有许多相关实现应用程序用于各行各业。其中，最有效的类型就是人脸识别。人脸识别的重要性来源于这样一个事实：它在生物识别系统中具有最低的人机交互水平。因此，许多研究人员将他们的注意力集中在人脸识别及其应用。　　基于内容的图像检索是人脸识别领域提出的众多方法之中的一种，它利用图像的真实内容去检索类似的图像。本文深入研究调查了可用的人脸识别算法，它利用不同的特征提取技术所提出的功能聚焦来研究图像视觉内容。这有助于建立一个新的人脸识别系统，可以用于在例如机场、购物中心、足球场等一些拥挤的地方寻人。　　在本文提出的新算法中主要深入研究的两种特征是 SURF特征和Harris-Stephens特征；建立的高精度和高性能的寻人系统要求 CPU处理时间和鲁棒性能应对不同情况的挑战。该寻人系统结合了各种方法来实现一种基于CBIR的快速、健壮且精确的寻人系统，并利用两个已发布的人脸图像数据库来与传统人脸识别系统进行比较。　　此外，其他 CBIR算法中的大量实验结果表明，SURF特征是更加精确的，因为其图像的匹配率的值是最高的。作为第一候选对象，SURF特征检索一个正确匹配的成功率是最高的。它在大小规模的图像中都展现了良好的鲁棒性。当亮度增加时，SURF特征同样能给出一张图像与匹配图像之间最高的匹配率。然而，当亮度下降时，拥有最高匹配率的最小本征特征成为了第一候选对象，SURF特征被发现是不鲁棒的。　　另一方面,SURF特征需要的处理时间是最少的。这使得 SURF特征比其他两种类型的特征更适合使用在寻人系统中。对于未来的研究工作，许多技术和附加产品可以被集成到提出的寻人系统中。例如，可以考虑利用并行处理来实现系统操作的实时性。　　总的来说，本文研究了在相关文献中提出的多种人脸识别技术。此外，还提出了一种新的基于CBIR的人脸识别算法并应用实现在一种快速且精确的寻人系统中，该系统可以帮助在拥挤的地方寻找失踪人口或是嫌疑犯。并且进行了一些实验以寻找效果最好的特征用于提出的系统中。